内容｜Max
编辑｜Max
10月21日据市场消息，个人AI助理公司Today AI已累计完成超过2亿美元融资。
投资方包括IDG资本、腾讯、五源资本、蚂蚁集团、红杉中国、传音控股等机构。
Today AI想提供的服务，是让一个AI长期参与用户的工作和生活。
按照产品介绍，它可以连接邮箱、日历和文档，记住用户提供的背景，在后台处理任务，并通过简报和提醒继续跟进。
这个想法并不陌生，此前年初走红全球的OpenClaw，也曾让许多人尝试给自己搭一个能处理邮件、查资料、操作电脑的助理。
现在，一批公司开始把这样的能力组织成面向个人的服务，并为它提供免费体验、月度订阅和不同的使用额度。
当用户已经可以搭建自己的助理，一家获得两亿美元融资的公司，还准备替他完成哪些工作？
这个问题关系到Personal Agent到底是什么，也关系到这轮热潮能留下怎样的生意。
Personal Agent，可以理解为一个长期为你工作的AI助理。
它了解你的情况和做事习惯，记得手头正在推进什么，并在获得授权后，调用工具把事情往下做。
它需要把往来邮件、会议记录和方案放在一起，知道双方已经确认了什么，还有哪些问题在等回复。
几天后，客户补充了新材料，它能接着处理；
临近交付时间，它会提醒尚未完成的事项；
如果对方临时约见面，它还需要结合你的日历，检查时间是否冲突。
这里的「个人」，体现在它围绕同一个人持续组织信息和工作（拥有相对充分的上下文）。
客户沟通、出差和日程安排会互相影响，助理需要理解这些关系，也要逐渐熟悉你的要求：哪些事情值得马上提醒，哪些可以晚点处理，遇到什么情况需要回来问你。
过去交代过的背景和要求，能够继续用在下一次任务里。
按照这个定义，今年年初爆火的OpenClaw也是一种Personal Agent。
它已经具备持久记忆、工具调用和定时跟进等能力，用户可以通过聊天软件交代任务，让它在电脑或服务器上执行，再接收处理结果。
不过，OpenClaw主要以开源、自托管的方式提供给用户，距离普通消费者熟悉的、开箱即用的To C产品还有一道门槛。
选择模型、部署服务、连接工具，以及后续的更新和故障处理，都需要用户自己完成，或者找人帮忙。
想让AI替自己省事，首先得花时间把这套系统运转起来。
今年3月，腾讯、百度等公司把「养虾」带到了线下。
腾讯在深圳总部举办的免费安装活动吸引了近千人排队，参与者中有开发者，也有学生和退休者。
这些活动给出了一个早期需求信号：个人AI助理已经吸引了一批愿意花时间尝试的用户，安装和配置却挡住了其中一些人。
对Today AI这类商业产品来说，机会首先就在这里——把部署、连接和维护接到公司一侧，让用户更容易开始使用。
接下来，产品还要给这些人一个每天回来使用的理由。
这个理由可以从已有的工作中找到。
回复邮件、协调日程、整理资料、跟进客户，都是反复发生的事务。
每件事可能只花几分钟，放到一天里，却需要人不断切换注意力，记住进度，等待回复，再继续处理。
对于同时推进多个项目的人，如果助理能先完成信息整理、回复草拟和待办跟踪，把需要判断的事项交回来，就能减少相当一部分来回查看和协调的工作。
信息能够在不同任务间沿用，用户每次委托新工作时需要补充的内容就会减少。
一个助理服务同一个人的时间越长，便越有机会熟悉这些关系，承担更多相邻的工作。
这也让商业产品的价值有了具体的衡量方式：用户交出一件事之后，还要花多少时间解释、检查和催促（可以粗略理解为L3级自动驾驶）。
如果每次都需要从头指导，助理就增加了一项需要管理的工作。
如果它能稳定处理其中一部分，把必要的决定留给用户，节省下来的时间和精力就会成为持续使用的理由。
对事务繁多的用户来说，付费也可以由此获得依据：每个月花一笔钱，换来有人持续整理信息、跟踪进度、推进琐事。
Today AI这类产品需要做的，是把这种分工稳定下来，让用户逐渐确定，哪些工作交出去以后，自己确实可以少操一份心。
以我身边看到的、对Personal Agent比较热衷的这批人为例，他们手头往往有不少具体的事务，也已经开始把其中一部分交给AI，工作和生活里的事情都有。
比如我的朋友圈有一位用户分享过自己用Personal Agent准备签证材料的经历。
他需要整理过去十年的旅行记录，先让助理查看主力邮箱和旅行平台。
发现材料有缺口后，Personal Agent又找到了美国海关网站这条查询路径，提出使用已保存的护照信息继续查询，并向他请求授权。
整理出的文件里，订单和实际活动记录被作了区分，缺失的日期、需要用户确认的事项也都标了出来。
原本散落在不同地方的材料，变成了一份可以继续补充和核对的记录。
这位用户在评论里表达了付费意愿，也提到，对产品的信任是在使用过程中一步步建立起来的。
我身边还有一位负责市场营销团队的朋友，会用Personal Agent跟进客户、处理和确认邮件、准备方案草稿。
这几项工作本来就连在一起：客户说过什么，团队答应了什么，下一版方案要补哪些内容，都需要有人持续记着、接着往下推进。
对他来说，每天都有现成的工作可以交给Personal Agent。
我自己也会把大量事务交给AI，尤其是邮箱里那些需要处理和跟进的事情。
比如我给Today AI设置了一个定期任务，让它帮我追踪AI行业的新闻。
它会按照我关注的方向，定期去各个渠道搜集最新动态，把值得关注的消息、相关来源和一些有意思的观点整理成简报，主动推送给我。
做内容每天都要找选题、追新闻，但写稿的时候，很难随时打开几个平台查看新消息。
有个助理持续帮忙留意，把线索送过来，我就可以把更多精力放在判断上：哪些值得继续查资料，哪些可以和正在写的文章联系起来，又能从中写出什么。
但今天中午发生的一件事，让我觉得更有意思。
Today AI突然给我发来了一条消息，说这个周末上海有两场值得关注的AI线下活动，而且都是免费的。
一场是全球开发者先锋大会暨具身智能技能大赛，另一场是西岸国际科技消费嘉年华。
它还把时间、地点、活动看点，甚至其中一场Workshop的具体安排都整理好了。
更让我惊讶的是，我之前根本没有让它查过上海有什么线下活动，也没有交代过要帮我留意这些事情。
它就这么主动找到了两场可能让我感兴趣的活动，直接推送到了我的手机锁屏上。
我觉得这个体验挺有意思的。
之前我让它定期追踪新闻，任务和范围都是我主动交代的。
而这次，它根据对我的了解，主动找到了我可能感兴趣的东西，把信息送到了面前。
对我来说，这才开始有了一些个人助理的感觉。它逐渐了解我在做什么、关心什么，也开始主动留意那些我可能需要、但还没来得及想到的事情。
看完我身边这些案例，我觉得，最先愿意把工作交给Personal Agent的，往往是一些时间机会成本比较高的人。
我个人把他们称为「高价值用户」，这个价值主要体现在他们正在做的事情上：工作排得很满，手头有需要持续投入的项目，每一段时间都有明确的用途。
整理材料、确认时间、查看新动态，这些事都有值得做。
但当他们正在推进一项更重要的工作时，就很难为这些零散事务停下来。
比如我正在写一篇文章，一条新动态值得留意，却还没有重要到让我立刻放下稿子、打开几个平台去查。
它可以先被收集起来，等到合适的时候，再一起判断。
这就产生了一个很具体的助理需求：有些事情需要完成，自己手头又有更值得投入精力的工作。
AI如果能接下这些事务，整理好信息，在需要决定的时候再来找人，就能减少很多来回切换。
所以，这批人更容易感受到Personal Agent的价值，也更容易形成付费理由。
他们可以把订阅费用、交代任务和检查结果所花的时间，与助理实际分担的工作放在一起衡量。
只要这笔账划得来，每天不断出现的事务，就会给持续使用提供理由。
对做Personal Agent的公司来说，先找到这批有事可交、也有能力判断结果的用户，是一个比较清楚的起点。
但个人助理进入持续服务之后，应用会变得更重。
相比围绕单次交付设计的Agent，Personal Agent需要长期维护一个人的信息、任务和偏好。
一件事处理完，新的邮件、日程和要求还会继续到来，系统要判断它们影响了什么，再接着往下做。
以客户跟进为例，保存过去的邮件只是起点。
客户改了需求，旧方案就需要重新判断；会议已经取消，原来的提醒应当停止；用户说「先放一放」，系统还得分清这是暂缓，还是这件事已经结束。
助理需要保存背景和当前进度，并随着新信息及时更新。
执行环境也要持续维护，登录失效、网站改版、接口报错，都可能让任务中断。
产品需要知道事情停在哪里、哪些动作已经完成，以及怎样恢复，避免重新执行时把邮件发了两遍。
授权也贯穿其中：读取邮箱、起草回复、发送邮件，分别对应不同的权限，需要由系统明确管理。
这些个人任务还会把一部分团队推向模型层。
随着助理深入用户的工作和生活，它需要作出的判断会更细。
同一条新闻，有人希望立刻收到提醒，有人希望晚上集中看；
同一句「帮我处理一下」，放在不同用户、不同任务里，允许执行的范围也会变化。
模型需要结合上下文理解这些要求，选择合适的行动和沟通方式。
Today AI已经为此提前开始训练模型。
在10月16日发布的《晚点》采访中，团队表示，原计划先做软件，再做硬件，最后做模型，后来调整为软件和模型同时推进，并已训练出早期实验版本。
团队称，在其面向个人助理的内部评测中，部分新模型的交互表现出现退步，因此希望围绕自己的产品目标，优化个性化与交互能力。
从工程上看，一条可选择的路径，是在已有模型上做面向个人任务的后训练。
用户的资料、偏好和任务进度，由记忆与任务系统保存；模型训练则可以着重改善怎样使用这些信息：什么时候查阅历史，怎样识别已经过时的要求，信息不足时如何追问，执行失败后如何调整。
模型与外部系统需要一起改进，才能让完整任务更顺畅地推进。
而模型的训练目标也需要进一步拆解。
用户修改一封回复，可能是在调整语气，也可能是在纠正模型对事情的理解；一条提醒被忽略，可能是内容价值有限，也可能是发送时间不合适。
团队需要围绕这些差别构造训练样本、建立评测，观察模型改进后，用户是否减少了重复解释和纠错，任务是否更容易完成。
这会扩大应用公司的研发范围，同时显著提高公司的运营成本。
特别是选择自训模型的团队，需要持续投入数据、训练和评估；模型之外，信息接入、任务调度、权限管理和故障恢复仍然要有人负责。
这也可能是Today AI能累计完成2亿美元融资的原因。
用户看到的可能只是一个对话框，背后则需要模型、产品和基础设施团队长期配合。
前期要建设模型、数据和系统，产品上线后，每个用户还会持续带来计算、连接维护和服务成本。
需要同时承担产品研发和长期服务的投入，并在持续使用中把效果与成本一起改善。
应用形态、技术架构和成本结构都在变化，Personal Agent的商业模式也可能随之调整。
当公司开始长期替用户管理信息、跟进事务，收费方式也需要适应这项持续发生的服务。
目前，Today AI采用免费使用与付费订阅并行的方式。
美区App Store列出的Pro为每月20美元，Ultra为每月200美元。
国内仍在扩大免费体验，截至10月22日，官方下载页显示，新用户可以领取3亿Tokens、3个月Pro权益，基础版永久免费。
订阅制给了用户一个相对明确的预算，公司则需要处理套餐收入与实际消耗之间的差异。
同样交一笔月费，有人偶尔整理邮件，有人每天让助理检索资料、操作网站、推进复杂任务。
任务中途失败，还要重新尝试，计算和执行成本都会继续增加。
对公司来说，一项重要的经营指标，就是完成一次可用交付，总共需要花多少钱。
而主动服务又让这笔账复杂了一些。
以OpenClaw为例，它的官方指南提到，主动检查会运行完整的一轮Agent，检查间隔越短，Token消耗越多。
对商业产品来说，这意味着用户还没有提出新的要求，系统就可能已经开始花钱了。
以追踪新闻为例，助理需要持续获取信息、筛选变化，再判断哪些内容值得推送。
用户最后收到的可能只有几条消息，背后已经进行过多次检查。
推送有没有价值，要等用户看到以后才知道；获取和处理信息的成本，则已经发生。
公司需要通过商业模型的不断调整来学会哪些事情值得提前做，做到什么程度，以及为这些主动服务安排多少预算。
收费方式也会影响这笔成本由谁承担。
完全按用量结算，收入更容易与计算量对应，任务中的绕路和重试也可能进入用户账单；
固定订阅给用户提供了预算上的确定性，但公司则需要通过额度、任务范围和运行效率控制成本。
用户关心的是交出去的事情有没有办好，这要求公司把资源消耗和实际交付放在一起考虑。
有趣的是Today AI团队已经在思考下一步。
在《晚点》的采访中，他们提出，希望以较高的效率帮用户获得需要的东西，再收取合理的服务费。
至于主动提醒、发现机会这些难以单独计价的帮助，团队仍在探索，也谈到了基础服务费的可能。
沿着这个思路，一种可能的形式是：基础订阅覆盖日常服务，较复杂的具体事务再单独确认费用。
用户按月购买约定范围内的邮件整理、日程维护、任务跟进；
遇到整理十年旅行记录这样的工作，再确认处理范围、交付要求和价格。
日常有人持续跟着办，临时的大事另外算。
这种收费方式需要更清楚的交付标准。
如果沿着这个方向发展，Personal Agent会更接近一项可以长期委托的个人服务（类似闲鱼上的个人服务）。
账单仍然可以按月收，套餐里需要写清的，是助理能够承担哪些事务、服务到什么程度。
公司要逐渐学会为一件事估算成本、承诺交付、处理意外，用户也才能判断，每个月付出的费用，究竟换回了多少可以交出去的工作。
写到这里，我越来越觉得，Personal Agent对那些想做出下一代入口的独立AI公司来说，有一点背水一战的意味。
它们正在争取一个很重要的位置：用户有事要办时，首先想到谁。
如果一个人习惯先把需求交给自己的助理，再由助理去寻找信息、调用工具、选择商品和服务，那么大量需求都会从这里出发。
一个做得足够好的Personal Agent，就有机会成为工作和生活中频繁使用的入口，并影响后面的流量和交易流向。
这个机会有多大，可以做一个简单的远期假设。
国际电信联盟估计，2025年全球约有60亿互联网用户。
以这个规模为基数，假设未来有20%的人经常使用个人Agent，一款产品获得其中10%的用户，就对应1.2亿人。
一个上亿人经常用来交代事情、寻找服务的产品，已经是一个很大的生意。
这也是我对这个方向抱有期待的原因。
用户愿意把越来越多的事交过来，产品就有机会进入更多日常场景。
今天是邮件、资料和新闻，往后还可能是出行、消费、学习，以及更多需要有人持续帮忙的事情。
对一家AI应用公司来说，这样的成长空间很值得投入。
当然，从今天的产品走到那个位置，还有很长的路。
每一封邮件、每一份材料、每一次委托，都需要有人认真把它做好。
我希望这批Personal Agent团队能走得更远，让个人助理慢慢成为更多人用得上、也愿意一直用下去的东西。
